“神经网络模型预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1658659个，建议您升级VIP下载更多相关专利

[发明专利]一种基于集成预测模型的光伏发电预测方法及装置-CN202110784293.7在审
发明人：李佳;王健;熊俊杰;何伟;曾伟;夏永洪 -专利权人：国网江西省电力有限公司电力科学研究院;国家电网有限公司;南昌大学
申请日： 2021-07-12 - 公布日： 2021-08-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于集成预测模型的光伏发电预测方法及装置，该方法包括：响应于获取的光伏电站历史数据，构建神经网络模型，其中，神经网络模型包括人工神经网络模型、深度神经网络模型以及卷积神经网络模型；基于将人工神经网络模型、深度神经网络模型以及卷积神经网络模型分别作为Bagging方法的基学习器构建集成预测模型；响应于获取的光伏电站实时数据，基于集成预测模型输出光伏发电功率的预测结果。采用人工神经网络模型、深度神经网络模型和卷积神经网络模型分别作为Bagging方法的基学习器构建集成预测模型，光伏电站实时数据基于集成预测模型输出光伏发电功率的预测结果，提高了光伏发电的预测精度。
一种基于集成预测模型发电方法装置

[发明专利]一种基于Elman神经网络的轨道预测算法-CN202111286739.X在审
发明人：汪大康;张昊 -专利权人：南京长峰航天电子科技有限公司
申请日： 2021-11-02 - 公布日： 2022-03-15 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于Elman神经网络的轨道预测算法，其特征在于，包括：将待预测的弹道导弹的轨道坐标输入Elman神经网络预测模型，输出预测的轨道坐标；构建Elman神经网络预测模型，包括：构建Elman神经网络模型；将获取的侦察数据代入Elman神经网络模型进行迭代训练直到符合条件，输出最终的Elman神经网络预测模型。基于侦察数据训练构建的Elman神经网络预测模型；基于迭代次数或者误差精度，完成Elman神经网络预测模型的构建，预测的弹道导弹的轨道坐标更加精确。
一种基于 elman 神经网络轨道预测算法

[发明专利]电力市场的现货价格预测方法及其相关设备-CN202210288700.X在审
发明人：贺小平;滕志毅;许志荣;常作攀;李良;谭凌云;王欣玮;陈雄汝;张皓 -专利权人：华润电力（广东）销售有限公司
申请日： 2022-03-23 - 公布日： 2022-08-09 - 主分类号： G06Q10/04 文献下载
摘要：本申请实施例提供了一种电力市场的现货价格预测方法，用于解决电力市场预测的准确性问题。本申请实施例方法包括：获取影响电力市场B类竞价电量的样本数据；将所述样本数据输入初始BP神经网络模型，以对所述初始BP神经网络模型进行训练；对经过训练的所述初始BP神经网络模型进行扰动，并对经过扰动后的所述初始BP神经网络模型进行训练，以获取中间BP神经网络模型；若所述中间BP神经网络模型满足预设条件，确定所述中间BP神经网络模型为目标BP神经网络模型；当所述目标BP神经网络模型为最优BP神经网络模型时，选取所述目标BP神经网络模型进行预测，以输出预测结果。
电力市场现货价格预测方法及其相关设备

[发明专利]一种可再生能源的短期功率预测方法-CN202210760115.5在审
发明人：朱航;方芹;倪利;沈嘉璐;汪磊;裘铭远 -专利权人：国网浙江省电力有限公司双创中心;国网浙江省电力有限公司绍兴供电公司;国网浙江省电力有限公司嵊州市供电公司
申请日： 2022-06-29 - 公布日： 2022-11-15 - 主分类号： H02J3/00 文献下载
摘要：本发明提供了一种可再生能源的短期功率预测方法，所述预测方法具体为获取预测样本数据，确定神经网络预测模型结构和对应参数，构建神经网络预测模型，通过粒子群算法优化神经网络预测模型的权值和阈值，输入预测样本数据，计算神经网络预测模型输出结果的误差，将其与误差要求进行比较，若输出结果的误差未满足误差要求，则根据有效误差的反向传播对神经网络预测模型的参数进行调整，直至输出结果的误差满足误差要求；若输出结果的误差满足误差要求，则神经网络预测模型输出短期功率预测值。本发明通过粒子群算法对神经网络预测模型的权值和阈值进行优化，降低训练数据的不稳定性对于神经网络预测模型预测结果的影响，提高短期功率的预测精度。
一种可再生能源短期功率预测方法

[发明专利]基于神经网络和树模型的预测模型建立方法及其装置-CN202010699932.5在审
发明人：孙立锐;阮佳程 -专利权人：西安电子科技大学
申请日： 2020-07-20 - 公布日： 2020-12-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于神经网络和树模型的预测模型建立方法及其装置，该方法包括获取数据集，对所述数据集进行预处理得到预处理数据集，并将所述预处理数据集分为训练数据集和测试数据集；根据预设神经网络模型和预设树模型构建神经网络树模型，根据所述神经网络树模型构建神经网络随机森林模型；将所述训练数据集输入至所述神经网络随机森林模型进行模型训练；将所述测试数据集输入至训练结束后的神经网络随机森林模型进行模型验证。本发明提供的基于神经网络和树模型的预测模型建立方法，将神经网络与树模型相结合得到神经网络随机森林模型，通过神经网络随机森林模型进行相关预测，不仅提高了预测的准确度，也提高了预测的效率。
基于神经网络模型预测建立方法及其装置

[发明专利]输出预测结果、生成神经网络的方法及装置和存储介质-CN201911029917.3在审
发明人：吴度官;张铁薰;池大炫 -专利权人：三星电子株式会社
申请日： 2019-10-25 - 公布日： 2020-05-08 - 主分类号： G06N3/08 文献下载
摘要：提供了输出预测结果、生成神经网络的方法及装置和存储介质。根据示例实施例的生成第二神经网络模型的方法包括：将未标记的输入数据输入到第一神经网络模型；基于第一神经网络模型获得对应于未标记的输入数据的预测结果；基于第一神经网络模型的预测结果和预测结果的分布程度生成第二神经网络模型
输出预测结果生成神经网络方法装置存储介质

[发明专利]一种基于融合神经网络的传感器节点数据预测方法-CN202111002471.2在审
发明人：朱家禄;谢洪潮;谢正新;赵传松 -专利权人：盛隆电气集团有限公司
申请日： 2021-08-30 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于融合神经网络的传感器节点数据预测方法，运用于数据预测技术领域；构建神经网络预测模型、创建数据预处理指令和模型训练指令；选取传感器节点的数据分类采样得到第一训练数据集和第二训练数据集；对采样得到的第一训练数据集和第二训练数据集进行数据预处理以得到第一训练样本和第二训练样本；使用得到的第一训练样本和第二训练样本分别训练神经网络预测模型得到第一神经网络预测模型和第二神经网络预测模型；对传感器节点分别输入第一神经网络预测模型和第二神经网络预测模型的向量并进行数据预处理；从第一神经网络预测模型和第二神经网络预测模型选用最佳的预测模型输出向量，以使传感器节点数据预测值达到最精确预测值。
一种基于融合神经网络传感器节点数据预测方法

[发明专利]一种光能发电的预测方法、装置、计算机设备及存储介质-CN202011210037.9有效
发明人：王怀智;蔡任;周斌;曹广忠;郭森森;马正伟 -专利权人：深圳大学
申请日： 2020-11-03 - 公布日： 2022-04-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种光能发电的预测方法、装置、计算机设备及存储介质，该方法包括：预先构建基于高次多项式的多分支神经网络预测模型；获取历史光能发电数据及外生变量数据，并进行预处理，得到数据集，然后划分为训练集和测试集；将训练集输入至神经网络预测模型中进行训练；利用神经网络预测模型输出每一神经元对应的参数，然后根据每一神经元的参数完成对基于高次多项式的多分支神经网络预测模型的构建；通过测试集对构建的神经网络预测模型进行测试优化，得到优化后的神经网络预测模型；利用最终的神经网络预测模型对指定周期的光能发电数据预测。本发明通过基于高次项多项式神经网络模型预测，使预测结果清晰准确，提高光能发电的预测精度。
一种光能发电预测方法装置计算机设备存储介质

[发明专利]基于混合神经网络的交通流预测方法、设备和介质-CN202310339653.1在审
发明人：沈阳;喻斌;邓芳明;罗阳;彭仁夔;张伟;郑志斌;张帆;程荣;饶先明;段军华;韦宝泉 -专利权人：江西锦路科技开发有限公司
申请日： 2023-04-03 - 公布日： 2023-05-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于混合神经网络的交通流预测方法、设备和介质，该方法应用于一包括基于混合神经网络的交通流预测模型的基于混合神经网络的交通流预测系统，该方法包括：获取待预测道路的交通流数据，对交通流数据进行修正处理；通过基于混合神经网络的交通流预测模型对修正后的交通流数据进行处理，获得待预测道路的交通流预测结果，其中，基于混合神经网络的交通流预测模型包括卷积神经网络、双向长短期记忆神经网络和注意力机制，修正后的交通流数据依次经过卷积神经网络、双向长短期记忆神经网络和注意力机制处理。通过该方法，基于混合神经网络的交通流预测模型生成的交通流预测结果更接近真实的交通流，预测精度高。
基于混合神经网络通流预测方法设备介质

[发明专利]基于遗传算法优化的BP神经网络模型的臭氧预测方法-CN202310501958.8在审
发明人：王永强;宮净玉;王刚;蒋文春;曹怀祥;左海强;孔强;黄元凤;王嘉玮 -专利权人：中国石油大学（华东）
申请日： 2023-05-06 - 公布日： 2023-08-04 - 主分类号： G06F30/27 文献下载
摘要：基于遗传算法优化的BP神经网络模型的臭氧预测方法，属于BP神经网络技术领域。其特征在于：包括如下步骤：步骤1001，构建BP神经网络模型；步骤1002，选用遗传算法对BP神经网络模型进行优化；步骤1003，对BP神经网络模型，进行进一步优化；步骤1004，使用验证集对优化后的BP神经网络模型进行精度验证；步骤1005，根据步骤1004验证后的BP神经网络模型预测臭氧浓度。在本基于遗传算法优化的BP神经网络模型的臭氧预测方法中，通过BP神经网络模型作为预测模型，具有较强的自适应、自学习能力。同时结合遗传算法对BP神经网络模型进行优化，有助于对环境中污染物浓度的突发事件的模拟能力较差，通常只能用于平稳状态的预测。
基于遗传算法优化 bp 神经网络模型臭氧预测方法

[发明专利]一种动态交通事件预测方法及装置-CN201710697502.8有效
发明人：冀晨光;刘凯奎 -专利权人：阿里巴巴（中国）有限公司
申请日： 2017-08-15 - 公布日： 2020-07-10 - 主分类号： G08G1/01 文献下载
摘要：本发明公开一种动态交通事件预测方法和装置，所述方法包括：使用路况信息的真值样本训练路况预测的神经网络模型，得到该神经网络模型的中下层结构和参数；建立动态交通事件预测的神经网络模型，该动态交通事件预测的神经网络模型的中下层结构和参数固定设置为路况预测的神经网络模型的中下层结构和参数；使用动态交通事件的真值样本训练所述动态交通事件预测的神经网络模型，得到其上层结构和参数；通过所述动态交通事件预测的神经网络模型进行动态交通事件预测。该方案可以有效降低动态交通事件预测的神经网络模型中自由参数的数量，根本性的提升动态交通事件预测的召回和准确率。
一种动态交通事件预测方法装置

[发明专利]基于神经网络的传染病预测方法、系统、设备及存储介质-CN202111050841.X在审
发明人：李烨 -专利权人：平安科技（深圳）有限公司
申请日： 2021-09-08 - 公布日： 2021-12-03 - 主分类号： G16H50/80 文献下载
摘要：本发明提出一种基于神经网络的传染病预测方法、系统、设备及存储介质，该方法包括：根据目标传染病对应的测试数据和预测神经网络模型的卷积神经网络模型，获取测试图特征，卷积神经网络模型为图卷积神经网络；根据影响目标传染病的气象环境数据和卷积神经网络模型，获取气象图特征，并将气象图特征和测试图特征进行融合；根据测试图特征和预测神经网络模型的循环神经网络模型，获取目标传染病对应的最终预测值，循环神经网络模型包括门控循环单元。针对传染病数据不是邻域网格结构数据的特点，使用图卷积神经网络，即使在训练数据比较少的情况下，图卷积神经网络也能较好地提取出特征，从而保证了预测精度。
基于神经网络传染病预测方法系统设备存储介质

[发明专利]一种基于BP神经网络的钓竿调性预测模型及其优化方法-CN202211306827.6在审
发明人：闫婷婷;陈德珅;牛年茂;钱宏亮;王化杰 -专利权人：哈尔滨工业大学（威海）
申请日： 2022-10-25 - 公布日： 2022-12-06 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于BP神经网络的钓竿调性预测模型及其优化方法，包括：获取钓竿设计参数变量和钓竿调性数据，建立数据集；使用Min‑Max‑Scaler函数进行归一化处理；按比例拆分数据集获得训练数据集和测试数据集；构建BP神经网络模型训练获得钓竿调性预测模型；将BP神经网络钓竿调性预测模型的输出数据进行反归一化处理；将测试数据集输入钓竿调性预测模型获取测试预测精度，使用MSE比较预设预测精度和测试预测精度的差距；使用CMA‑ES算法优化BP神经网络参数得出预测模型神经网络结构的最优解。本发明基于BP算法构建神经网络模型，对BP神经网络参数进行优化获得钓竿调性预测模型，提高钓竿设计效率。
一种基于 bp 神经网络钓竿调性预测模型及其优化方法

[发明专利]一种神经网络模型混合精度方案搜索方法及系统-CN202211273518.3在审
发明人：郑歆慰;吴双 -专利权人：中国科学技术大学
申请日： 2022-10-18 - 公布日： 2022-12-27 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络模型混合精度方案搜索方法及系统，属于神经网络模型技术领域，包括以下步骤：模型预处理；模型执行；低精度转化；模型正确性验证；混合精度神经网络模型输出。本发明基于模型预测的方式，用历史算子组合以及执行结果作为训练数据，训练误差预测模型预测低精度后的神经网络模型误差，只有通过误差预测模型预测的神经网络模型低精度方案才会实际执行，并将实际执行结果加入误差预测模型的训练数据中，这样大大减少了神经网络模型的执行次数，有效提高了搜索效率，值得被推广使用。
一种神经网络模型混合精度方案搜索方法系统

[发明专利]一种基于神经网络的抗癌药物协同作用的预测方法-CN201910513981.2有效
发明人：秦玉芳;陈希;陈明 -专利权人：上海海洋大学
申请日： 2019-06-14 - 公布日： 2023-10-13 - 主分类号： G16H70/40 文献下载
摘要：一种基于神经网络的抗癌药物协同作用的预测方法，该方法是利用神经网络模型实现的，所述神经网络模型包含卷积神经网络CNN1D降维和神经网络DNN回归构建的预测模型；利用卷积神经网络CNN1D降维和神经网络DNN回归构建的预测模型，能更加方便、快速降低数据的维度，减少模型训练的复杂度；该方法能够从多维度特征学习抗癌药物的潜在协同关系，其预测模型的预测精度高，可以帮助临床实验减少时间和金钱成本，快速定位有效的药物组合
一种基于神经网络抗癌药物协同作用预测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条